Análise em séries temporais da radiação solar na Cidade do Recife/PE
DOI:
https://doi.org/10.33448/rsd-v9i9.6870Palavras-chave:
Radiação solar; Mudanças climáticas; Modelagem; Previsão.Resumo
Objetivo: analisar e descrever o melhor ajuste para série temporal de radiação solar na cidade do Recife/PE, aplicando os modelos ARMA e ARMAX, além de prever os níveis de radiação para os próximos seis anos. Método: utilizaram-se dados de séries climáticas do Instituto Nacional de Meteorologia (INMET), disponibilizados no período de janeiro de 2009 a dezembro de 2018. A comparação dos modelos foi realizada pelos critérios de informação de Akaike. Resultados: a série de radiação solar apresenta uma alta variabilidade das médias mensais, indicando a presença de sazonalidade e uma forte assimetria negativa. Os resultados da estatística de erros mostram a acurácia do modelo ARMAX(2,1), com erro percentual próximo de 18,68%, comparando-se a série observada e ajustadas, além disso, foi possível identificar que a previsão consegue captar a existência de sazonalidade. Conclusão: o modelo ARMAX foi adequado para descrever a radiação solar incluindo variáveis exógenas, apresentando melhor previsão com boa acurácia, sendo uma ferramenta capaz de auxiliar em políticas de saúde pública no combate ao câncer de pele e intervenções.
Referências
Akaike, H. (1974). A new look at the statistical model identification. IEEE transactions on automatic control, 19(6), 716-723. https://doi.org/10.1109/TAC.1974.1100705.
Alsharif, M. H., Younes, M. K., & Kim, J. (2019). Time series ARIMA model for prediction of daily and monthly average global solar radiation: The case study of Seoul, South Korea. Symmetry, 11(2), 240. https://doi.org/10.3390/sym11020240.
Baierle, E., Martins, M. T. F., Rodrigues, M. B., & Blass, L. (2019). Estudo da curva de radiação solar no município de Bagé utilizando métodos numéricos. Anais do Salão Internacional de Ensino, Pesquisa e Extensão, 10(2).
Box, G. E., Jenkins, G. M., Reinsel, G. C., & Ljung, G. M. (2015). Time series analysis: forecasting and control. John Wiley & Sons, p. 709.
da Silva, C. A. G. (2019). Análise da previsão do preço do etanol hidratado no estado de São Paulo: uma aplicação do modelo arima/Analysis of the forecasting of the hydrated ethanol price in the state of São Paulo: an application of the arima model Brazilian Journal of Development, 5(10), 17763-17778. https://doi.org/10.34117/bjdv5n10-045.
da Silva Tabosa, F. J., Costa, E. M., do Amaral Filho, J., Neto, N. T., Araújo, J. A., & dos Santos, C. P. B. (2019). Análise da demanda por energia elétrica no meio rural do Brasil. Planejamento e Políticas Públicas, (52).
de Souza, S. R., Maciel, M. D. N. M., de Assis Oliveira, F., & de Almeida Jesuíno, S. (2011). Dinâmica da paisagem na bacia hidrográfica do Rio Apeú, nordeste do Pará, Brasil. Revista Acadêmica Ciência Animal, 9(2), 141-150. https://dx.doi.org/10.73213/cienciaanimal.v9i2.11756.
de Souza, A., Ihaddadene, R., Haddadene, N., Oguntunde, P., Pavao, H. P. H., Fernandes, W., de Oliveira-Júnior, J. F., Soares, D. G., Pobocikova, I., Abreu, M. C., & dos Santos, C. M. (2019). Modeling of the Global Solar Radiation Series as a Function of Probability Distribution. Open Science Journal of Statistics and Application, 6(3), 35.
Gómez, J. M., Carlesso, F., Vieira, L. E., & Da Silva, L. (2018). A irradiância solar: conceitos básicos. Revista Brasileira de Ensino de Física, 40(3). https://doi.org/10.1590/1806-9126-rbef-2017-0342.
Gujarati, D. N.; Porter, D. C. (2011). Econometria Básica-5. Amgh Editora, p. 918.
Handoyo, S., Efendi, A., Jie, F., & Widodo, A. (2017). Implementation of particle swarm optimization (PSO) algorithm for estimating parameter of arma model via maximum likelihood method. Far East Journal of Mathematical Sciences, 102(7), 1337-1363. http://dx.doi.org/10.17654/MS102071337.
Hopkins, W. G. Correlation coefficient: a new view of statistics. Recuperado de www.sportsci. org/resource/stats/correl.html, 2000.
Kruskal, W. H., & Wallis, W. A. (1952). Use of ranks in one-criterion variance analysis. Journal of the American statistical Association, Taylor & Francis Group, 47(260), 583-621. https://doi.org/10.2307/2280779.
Mo, J. Y., & Jeon, W. (2017). How does energy storage increase the efficiency of an electricity market with integrated wind and solar power generation? A case study of Korea. Sustainability, 9(10), 1797. https://doi.org/10.3390/su9101797.
Morettin, P. A., & Toloi, C. (2004). Análise de Series Temporais. São Paulo: Edgard Blucher LTDA, p. 535.
Peng, B. I., Xiao-Ming, S. H. I., & Qi-Yong, L. I. U. (2020). Climate change and population health research in China: Knowledge gaps and further directions. Advances in Climate Change Research.
Provenza, M. M., da Serra Costa, J. F., & de Carvalho Silva, L. (2018). Análise de dados e previsão de séries temporais do homicídio doloso no Estado do Rio de Janeiro entre 2001 e 2016. Produção em Foco, 8(2). https://doi.org/10.14521/P2237-5163.2018.0015.0001.
Rocha, C. A. (2017). Índice de qualidade ambiental de áreas utilizadas para a prática de atividades físicas e lazer na cidade de Fortaleza, CE.
Santos, D. A. D. S., Azevedo, P. V. D., Olinda, R. A. D., Santos, C. A. C. D., Souza, A. D., Sette, D. M., & Souza, P. M. D. (2017). A relação das variáveis climáticas na prevalência de infecção respiratória aguda em crianças menores de dois anos em Rondonópolis-MT, Brasil. Ciência & saúde coletiva, 22, 3711-3722. https://doi.org/10.1590/1413-812320172211.28322015.
Shapiro, S. S., & Wilk, M. B. (1965). An analysis of variance test for normality (complete samples). Biometrika, 52(3/4), 591-611, 1965. https://doi.org/10.2307/2333709.
Spokas, K., & Forcella, F. (2006). Estimating hourly incoming solar radiation from limited meteorological data. Weed science, 54(1), 182-189. https://doi.org/10.1614/WS-05-098R.1.
Sobral, M. F. F., Duarte, G. B., da Penha Sobral, A. I. G., Marinho, M. L. M., & de Souza Melo, A. (2020). Association between climate variables and global transmission oF SARS-CoV-2. Science of The Total Environment, 729, 138997.
Souza, A. D., Andrade, F. A., Oguntunde, P. E., Arsić, M., & Silva, D. A. (2018). Climate indicators and the impact on morbidity and mortality of acute respiratory infections. Advanced Studies in Medical Sciences, 6(1), 5-20.
Tawatsupa, B., Lim, L. L., Kjellstrom, T., Seubsman, S. A., Sleigh, A., & Thai Cohort Study Team. (2012). Association between occupational heat stress and kidney disease among 37 816 workers in the Thai Cohort Study (TCS). Journal of epidemiology, 22(3), 251-260. https://doi.org/10.2188/jea.JE20110082.
Willmott, C. J., & Matsuura, K. (2005). Advantages of the mean absolute error (MAE) over the root mean square error (RMSE) in assessing average model performance. Climate research, 30(1), 79-82.
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Copyright (c) 2020 Jucarlos Rufino de Freitas
![Creative Commons License](http://i.creativecommons.org/l/by/4.0/88x31.png)
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.
Autores que publicam nesta revista concordam com os seguintes termos:
1) Autores mantém os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a Licença Creative Commons Attribution que permite o compartilhamento do trabalho com reconhecimento da autoria e publicação inicial nesta revista.
2) Autores têm autorização para assumir contratos adicionais separadamente, para distribuição não-exclusiva da versão do trabalho publicada nesta revista (ex.: publicar em repositório institucional ou como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista.
3) Autores têm permissão e são estimulados a publicar e distribuir seu trabalho online (ex.: em repositórios institucionais ou na sua página pessoal) a qualquer ponto antes ou durante o processo editorial, já que isso pode gerar alterações produtivas, bem como aumentar o impacto e a citação do trabalho publicado.